Μετάβαση στο περιεχόμενο

Bytedance Omnihuman V2

Ενσωμάτωση

id μοντέλου bytedance/omnihuman/v2
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/v1/run/bytedance/omnihuman/v2?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "image": "https://content.doitong.com/images/showcase/v3/avatar/talking_avatar.jpg",
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Αρχεία όπως το παράδειγμα: 1,05 $ 1.050 πιστώσεις API τα αρχεία σας μετρώνται πριν από την εκτέλεση Εκτέλεση σε αυτήν τη σελίδα

Λήψη κλειδιού API
ByteDance Συγχρονισμός χειλιών και άβαταρ Συγχρονισμός χειλιών #image-to-video#lipsync

Το OmniHuman 2 διαχειρίζεται μεγαλύτερα αρχεία ήχου διάρκειας 4 έως 300 δευτερολέπτων, με προαιρετικό πολύγλωσσο prompt σκηνής

ByteDance · Βίντεο

Το πρώτο σας αποτέλεσμα θα εμφανιστεί εδώ

Δημιουργήστε ένα αίτημα παρακάτω και εκτελέστε το με το κλειδί API σας. Οι έξοδοι αντιγράφονται στην αποθήκευσή μας και διατηρούνται για πάντα ή 7 ημέρες δωρεάν.

Δημιουργία αιτήματος

Τα στοιχεία ελέγχου δημιουργούνται από το σχήμα του μοντέλου. Ο κώδικας και η τιμή ενημερώνονται καθώς τα αλλάζετε.

Ακριβής έλεγχος σκηνής, κίνησης και κάμερας μέσω προαιρετικού text prompt γραμμένου σε οποιαδήποτε υποστηριζόμενη γλώσσα: Ινδονησιακά, Ισπανικά (Μεξικού), Κορεατικά, Ιαπωνικά, Αγγλικά ή Κινεζικά.

•απαιτείται image_url
Αποθέστε ένα αρχείο ή

URL που οδηγεί στην εικόνα από την οποία παράγεται το βίντεο. Η εικόνα πρέπει να έχει και τις δύο διαστάσεις μεταξύ 300–6000 pixel και λόγο πλάτους/ύψους μεταξύ 0.4–2.5. Τα αρχεία περιορίζονται στα 30 MB και πρέπει να χρησιμοποιούν μορφή jpeg, png, webp, bmp, tiff, gif, heic ή heif.

•απαιτείται audio_url
Αποθέστε ένα αρχείο ή

Παρέχετε τον ήχο-πηγή του βίντεο μέσω URL που οδηγεί σε αρχείο διάρκειας 4–300 δευτερολέπτων. Το αρχείο πρέπει να είναι wav ή mp3 και να μην υπερβαίνει τα 15 MB.

POST /run/bytedance/omnihuman/v2?wait=20 προσφορά → 1,05 $
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/v1/run/bytedance/omnihuman/v2?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "image": "https://content.doitong.com/images/showcase/v3/avatar/talking_avatar.jpg",
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Εκτέλεση αυτού του αιτήματος

Το κλειδί σας παραμένει σε αυτό το πρόγραμμα περιήγησης: αποστέλλεται μόνο στο Doitong API και αποθηκεύεται (localStorage) μόνο αν ενεργοποιήσετε την επιλογή «Να απομνημονεύεται». Λήψη κλειδιού API

Σχετικά με το Bytedance Omnihuman V2

Μετατρέπει εικόνα ανθρώπου και αρχείο ήχου σε βίντεο ομιλίας. Ο ήχος πρέπει να είναι wav ή mp3, έως 15 MB, διάρκειας 4 έως 300 δευτερολέπτων. Η εικόνα μπορεί να είναι έως 30 MB, με πλευρές 300 έως 6000 pixel. Ένα προαιρετικό `prompt` καθοδηγεί τη σκηνή, την κίνηση και την κάμερα σε αρκετές υποστηριζόμενες γλώσσες.

Παράμετροι

Στείλτε είτε το κανονικό όνομα είτε το εγγενές όνομα, όχι και τα δύο. Κανονικά ονόματα

ΌνομαΤύπος ΠροεπιλογήΕπιτρεπόμενο Περιγραφή
promptπροαιρετικό
Τύποςstring | null
Ακριβής έλεγχος σκηνής, κίνησης και κάμερας μέσω προαιρετικού text prompt γραμμένου σε οποιαδήποτε υποστηριζόμενη γλώσσα: Ινδονησιακά, Ισπανικά (Μεξικού), Κορεατικά, Ιαπωνικά, Αγγλικά ή Κινεζικά.
image_urlαπαιτείται image
Τύποςurl · image
URL που οδηγεί στην εικόνα από την οποία παράγεται το βίντεο. Η εικόνα πρέπει να έχει και τις δύο διαστάσεις μεταξύ 300–6000 pixel και λόγο πλάτους/ύψους μεταξύ 0.4–2.5. Τα αρχεία περιορίζονται στα 30 MB και πρέπει να χρησιμοποιούν μορφή jpeg, png, webp, bmp, tiff, gif, heic ή heif.
audio_urlαπαιτείται audio
Τύποςurl · audio
Παρέχετε τον ήχο-πηγή του βίντεο μέσω URL που οδηγεί σε αρχείο διάρκειας 4–300 δευτερολέπτων. Το αρχείο πρέπει να είναι wav ή mp3 και να μην υπερβαίνει τα 15 MB.
απαιτείται Κανονικό όνομα, επίσης αποδεκτό

Οι παράμετροι αρχείων δέχονται ένα δημόσιο URL https://, ένα URI data: έως 10 MB ή το file_url μιας μεταφόρτωσης. Αρχεία

Έξοδος

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "bytedance/omnihuman/v2",
  "status": "succeeded",
  "created_at": "2026-10-20T12:00:00Z",
  "started_at": "2026-10-20T12:00:02Z",
  "completed_at": "2026-10-20T12:00:09Z",
  "queue_position": null,
  "cost": {
    "credits": 1050,
    "usd": "1.05",
    "charged": 1050,
    "refunded": 0
  },
  "input": {
    "image_url": "https://content.doitong.com/images/showcase/v3/avatar/talking_avatar.jpg",
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "output": {
    "video": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_name": "0-output.mp4",
      "file_size": 1843200
    },
    "duration": 5
  },
  "outputs": [
    {
      "type": "video",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_size": 1843200,
      "width": 1280,
      "height": 720,
      "duration": 5,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
Τα αρχεία σας, η επιλογή σαςΚάθε outputs[].url είναι ένα αντίγραφο στην αποθήκευσή μας: διατηρείται για πάντα (χρέωση ανά GB-μήνα) ή 7 ημέρες δωρεάν, σύμφωνα με τη ρύθμιση του λογαριασμού σας ή ?storage=.
Ίδια μορφή σε κάθε μοντέλοtype, url, content_type, width, height και duration, τόσο για εικόνες όσο και για βίντεο και ήχο. Το output είναι το αντικείμενο αποτελέσματος του ίδιου του μοντέλου.
Πεδία εξόδου
video
object {url, content_type, file_name, file_size}Αρχείο βίντεο που προκύπτει.
duration
number

Περισσότερα μοντέλα: Συγχρονισμός χειλιών και άβαταρ

Για πράκτορες AI: αυτή η σελίδα σε Markdown βρίσκεται στη διεύθυνση https://doitong.com/el/developers/models/bytedance/omnihuman/v2.md. Όλα τα μοντέλα και οι οδηγοί: https://doitong.com/developers/llms.txt